环境科学学报  2016, Vol. 36 Issue (10): 3505-3514
引用本文
黄晓波, 殷晓鸿, 黄志炯, 等. 2016.不同模式对珠三角地区细颗粒物污染模拟效果对比评估[J]. 环境科学学报, 36(10): 3505-3514.
HUANG X B, YIN X H, HUANG Z J, et al. 2016.Evaluation and intercomparison of PM2.5 simulations by air quality models over Pearl River Delta[J]. Acta Scientiae Circumstantiae, 36(10): 3505-3514.
不同模式对珠三角地区细颗粒物污染模拟效果对比评估    [PDF全文]
黄晓波1, 殷晓鸿1, 黄志炯1, 夏泽群1, 李泽琨2, 朱文波1, 郑君瑜1    
1. 华南理工大学环境与能源学院, 广州 510006;
2. 山西省环境科学研究院, 太原 030000
收稿日期: 2015-12-21; 修回日期: 2016-01-24; 录用日期: 2016-01-24
基金项目: 国家杰出青年科学基金项目（No.41325020）；国家科技支撑项目（No.2014BAC21B03）；中国科学院战略性先导科技专项子课题（No.XDB05020000）
作者简介: 黄晓波(1990-), 男, E-mail:huang.xiaobo@qq.com
通讯作者（责任作者）: 郑君瑜(1968—)，男，教授(博士)，长期致力于区域高时空分辨率大气排放源清单方法体系与模型定量不确定性分析方法构建及应用研究, E-mail:zheng.junyu@gmail.com
摘要: 运用CAMxv5.4、CMAQv4.7.1、CMAQv5.0.2（AEOR5）和CMAQv5.02（AEOR6）模拟2013年12月珠三角地区空气质量，并对比评估不同模式、不同模式版本、不同气溶胶机制在PM2.5模拟上的表现.各模式在PM2.5的模拟上均表现良好，呈现出合理且相似的时空特征，在市区和非超标时段CAMx模式表现最优，而在郊区和超标时段则不存在表现最优的模式.CMAQ系列模式在市区和郊区、超标时段和非超标时段均表现相似，CMAQ4模式表现均优于CMAQ5系列模式，而CMAQ5AE6模式在反映PM2.5的浓度水平的能力上强于CMAQ5AE5模式，但在重现PM2.5小时浓度变化趋势的能力上却劣于CMAQ5AE5模式.边界条件是不同模式PM2.5模拟差异的主要来源之一，且在超标时段边界条件对PM2.5模拟效果的影响大于非超标时段.此外，CAMx模式与CMAQ5AE5模式之间硫酸盐、硝酸盐和有机颗粒的差异导致了其PM2.5模拟表现上差异，CMAQ4模式与CMAQ5AE5模式之间硫酸盐、硝酸盐和铵盐等无机盐组分的差异是导致其PM2.5模拟差异的主要原因，硝酸盐和铵盐的差异是CMAQ5AE5模式与CMAQ5AE6模式之间PM2.5模拟差异的主要因素.
关键词: 模式评估     细颗粒物     CMAQ     CAMx     珠三角地区    
Evaluation and intercomparison of PM2.5 simulations by air quality models over Pearl River Delta
HUANG Xiaobo1, YIN Xiaohong1, HUANG Zhijiong1, XIA Zequn1, LI Zekun2, ZHU Wenbo1, ZHENG Junyu1    
1. College of Environment and Energy, South China University of Technology, Guangzhou 510006;
2. Shanxi Academy of Environmental Research, Taiyuan 030000
Supported by the National Natural Science Foundation of China (NSFC) -National Distinguished Young Scholar Science Fund (No.41325020), the National Key Technology Support Program (No.2014BAC21B03) and the Strategic Priority Research Program of Chinese Academy of Sciences (No.XDB05020000)
Biography: HUANG Xiaobo(1990—), male, E-mail:huang.xiaobo@qq.com
*Corresponding author: ZHENG Junyu, E-mail:zheng.junyu@gmail.com
Abstract: Comparison among particulate matter (PM2.5) modeling in the Pearl River Delta (PRD) region using CAMxv5.4, CMAQv4.7.1, CMAQv5.0.2 (AEOR5) and CMAQv5.0.2 (AEOR6) were conducted in this study. December 2013 was set up as modeling period for these four models. All four models performed well in simulating the PM2.5 concentrations by comparing with observation. With the same meteorological data, the temporal and spatial distributions of simulated PM2.5 had slight differences in some areas and periods. CAMx performed better in urban areas and during the periods when PM2.5 daily concentration is less than 75 μg·m-3. Among CMAQ models, CMAQ4 performs the best, followed by CMAQ5AE5 and CMAQ5AE6. Compared with CMAQ5AE6, CMAQ5AE5 gave a lower concentration but more reasonable trend in PM2.5 simulation. The differences of PM2.5 simulation might be highly associated with the uncertainty of boundary condition. In addition, the discrepancies in formation of sulfate, nitrate and organic matter also led to the differences in PM2.5 simulation between CAMx and CMAQ. Specifically, formation of sulfate, nitrate and ammonium led to the difference of CMAQ4 and CMAQ5AE5 while those of nitrate and ammonium led to the difference of CMAQ5AE5 and CMAQ5AE6.
Key words: model evaluation     fine particulate     CMAQ     CAMx     Pearl River Delta region    
1 引言(Introduction)

随着经济的快速发展和城市化进程的不断加速，二次污染问题日益凸现，以臭氧为代表的光化学烟雾污染和以细颗粒物为代表的大气灰霾污染成为城市和区域面临的主要大气环境问题(王淑兰等, 2005; 郝吉明等, 2012; 王跃思等, 2014).区域性、复合型、压缩型的污染特征下，以CMAQ和CAMx为代表的空气质量模型已经成为区域大气污染成因识别、区域空气质量管理和预警预报等研究的重要手段(Huang et al., 2015; 王水胜, 2012; 王自发等, 2008; 赵秀勇等, 2007; 李莉等, 2008; 李泽琨, 2015).

由于空气质量模式在设计和开发中的差异和局限，不同模式、不同模式版本、不同化学机制的选择可能会直接影响污染成因认识的客观性、管理决策的有效性和预报的准确性等，因此模式对比评估工作一直是模式研发和应用的重要内容，并且在欧美地区广泛开展(Wu et al., 2012; Zhang et al., 2004; Tesche et al., 2006; Vautard et al., 2007; Byun et al., 2007; Appel et al., 2012; Zhang et al., 2013).然而不同地区的气候特征、地形特征各不相同，污染物反应活性也不尽相同，加之污染物排放水平的差别，模式在不同地区的表现可能存在显著差异.因此，在亚洲地区，不少研究学者推动MICS-Asia研究计划和MICS-Asia II研究计划，探讨了包括本地清单、全球清单、化学模块等对模拟结果的影响，对比评估了不同模式对SO2、NO2、O3、PM10、无机盐等污染物以及酸沉降等过程的模拟效果(Sartelet et al., 2008; Kannari et al., 2008; Holloway et al., 2008; Wang et al., 2008; Han et al., 2008; Hayami et al., 2008; Fu et al., 2008; Carmichael and Ueda, 2008; Carmichael et al., 2002; 2008).但上述研究尺度均较大，其结果并不能很好的表征模式在区域尺度的应用情况.

近年来，为解决大气污染问题，珠三角地区开展了一系列大气污染模拟研究工作，为了在该地区更好地应用空气质量模式，珠三角地区区域尺度的模式评估工作显得越来越重要.沈劲等(2011)对比了CMAQ和CAMx在珠江三角洲臭氧模拟上的差异，认为在干沉降、化学反应参数、垂直输送等方面处理方法上的差异以及边界浓度的差异共同造成了两个模式在臭氧模拟结果上的差别.而陈焕盛等(2013)在多模式评估的基础上，认为优化排放源空间分布并引进多元集成预报方法是改进预报效果的可能途径.李泽琨(2015)则探讨了CB05机制与SAPRC-99机制对珠三角地区臭氧模拟的影响，认为基于CB05机制的臭氧模拟效果更优.然而，珠三角地区细颗粒物的对比评估工作却尚未见到报道.面对珠三角地区不可忽视的细颗粒物污染问题，针对细颗粒物的本地模式对比评估工作显得日益迫切.因此，本文运用CAMxv5.4、CMAQv4.7.1和CMAQv5.0.2模拟2013年12月珠三角地区的空气质量，对比评估不同模式、不同模式版本、不同气溶胶机制在细颗粒物模拟上的表现，为今后CMAQ与CAMx在该地区的应用与改进提供参考.

2 资料与方法(Materials and methods) 2.1 模式介绍

CMAQ模式是一个适用于模拟城市或区域尺度臭氧、酸沉降、能见度及气溶胶等的多尺度综合空气质量模式，主要由边界条件模块、初始条件模块、光分解速率模块、气象-化学预处理模块和化学传输模块构成(Byun and Schere, 2006).其中，化学传输模块是CMAQ模式的核心模块，其综合考虑了污染物在大气中的空气动力学过程、气相化学过程、气溶胶过程和云化学与动力学过程.最新的CMAQv5.02在CMAQv4.71的基础上，新增了SO2的催化氧化途径，调整了有机气溶胶前体物反应活性、光解率模块，扩大了化学传输模块中无机气溶胶模块的质量平衡分配范围，同时新增了AEOR6的气溶胶机制.AEOR6在AEOR5的基础上将不可识别的颗粒物继续细分，在清单方面新增了13个颗粒物物种，而在模式方面新增了9个颗粒物物种.而CAMx模式是一个欧拉型空气质量模式，可用于模拟各种污染物在大气中的排放、扩散、化学反应以及消除等过程，支持CB05、SAPRC99等大气化学机制，常用于城市尺度以及区域尺度的模拟(ENVIRON, 2011).虽然CMAQ模式和CAMx模式均基于“一个大气”的理念设计，但是它们在化学机制、物理过程、化学过程、反应速率等多个方面均有所差异，因而其模拟效果通常均有明显的差异(Tesche et al., 2006; 沈劲等, 2011).

2.2 模式设置

(1) 模拟区域：各模式模拟区域均一致，采用3层嵌套网格，3层网格的水平分辨率分别为27 km(D1)、9 km(D2)和3 km(D3)，如图 1所示，具体设置参数详见相关文献(王水胜, 2012).第1层边界条件采用模式默认值，第2、3层则分别以第1、2层模拟结果作为边界条件.

图 1 模拟区域示意图 Fig. 1 Modeling domains

(2) 模拟时间：结合排放清单及监测数据的可获取性，本文选取2013年12月1日到12月30日作为研究时段.

(3) 模拟参数：本研究中CMAQ模式与CAMx模式的参数设置见表 1.

表 1 空气质量模式参数设置对比 Table 1 Comparison between parameters setting of models
2.3 数据来源

各案例均使用相同的气象场，由中尺度模型WRF提供(版本为3.3).WRF模型和CMAQ模式、CAMx模式均采用相同的空间投影坐标系，但WRF模型的模拟范围略大于CMAQ模式和CAMx模式的模拟范围，具体模型参数详见相关文献(王水胜, 2012).

CMAQ模式和CAMx模式采用相同的排放清单，排放清单涵盖了SO2、NOx、CO、NH3、VOCs、PM10、PM2.5等多种大气污染物.本研究中，广东省采用本课题组开发的2012年广东省清单作为排放场(尹沙沙, 2015)，香港地区以香港环保署开发的2012年香港清单作为输入，中国其他地区的排放数据则来自清华大学开发的MEIC清单(MEIC, 2012)，而亚洲其他地区则采用REAS清单作为排放场(FRCGC, 2007).此外，本研究采用SMOKE-PRD系统估算天然源排放清单并对上述人为源排放清单进行物种化、小时化、网格化处理，具体处理过程参见相关文献(Wang et al., 2011).

本文使用的PM2.5监测数据来自粤港珠江三角洲区域空气监控网络，各站点的分布情况如图 2所示.为了方便分析，本文将12个监测站点根据其属性分为城区监测站和郊区监测站.

图 2 观测站点分布情况 Fig. 2 Spatial distribution of monitoring sites
2.4 模式评估与比较方法

本文采用平均分数偏差(MFB)、平均分数误差(MFE)和相关系数(r)评估各模式模拟效果.其中，r表征模拟值与观测值之间变化趋势的吻合程度，其值越接近1，表明模拟效果越好；而MFB和MFE是两个没有量纲的统计量，其值越接近0，表明模拟效果越好.而各指标定义如下：

式中，Cm是模拟值，Co是观测值，Cm是模拟值平均值，Co是观测值平均值.

此外，使用相关系数(R)、标准化平均相对偏差(NMFB)和标准化平均相对误差(NMFE)比较不同模式间模拟结果的差别，NMFB和NMFE定义如下：

式中，Cm1、Cm2分别表示不同模式的模拟值结果.

3 结果与讨论(Results and discussion) 3.1 模式对比评估 3.1.1 时间序列对比

使用珠江三角洲12个站点(如图 2所示)2013年12月PM2.5小时浓度的观测值与各模式的模拟值进行对比评估，PM2.5浓度时间序列图如图 3所示.由图 3可见，各模式模拟的PM2.5浓度变化趋势相似，但量值略有不同.其中，CMAQ系列模式间PM2.5模拟浓度曲线吻合度较高，CAMx模式PM2.5模拟浓度曲线则与其他模式模拟浓度曲线略有偏离，而且在郊区偏离程度略有扩大.总体而言，各模式均能够较好地模拟出珠江三角洲这一期间PM2.5浓度的变化趋势和浓度水平，但模拟结果仍有较大的改进空间.各模式在城区和郊区均低估了PM2.5浓度，这主要与PM2.5前体物清单低估、气象场模拟偏差有关.另外，9—13日这一重污染过程，各模式在区域范围内均出现较大程度的低估，这可能是由于边界条件低估导致的.PM2.5污染是区域性污染，区域输送是PM2.5主要来源之一，本文各模式均采用3层嵌套方式进行模拟，内层模拟区域采用外层模拟区域的边界条件，而外层模拟所采用的清单由于资料获取困难等原因可能具有较大的不确定性，可能导致第3层模拟区域的边界条件被低估.

图 3 2013年12月珠三角城区监测站与郊区监测站PM2.5时间序列图 Fig. 3 Time series of observed and predicted PM2.5 concentrations over the Pearl River Delta region during December 2013
3.1.2 空间分布对比

图 4展示了2013年12月CAMx模式、CAMQ4模式、CMAQ5AE5模式和CMAQ5AE6模式珠三角地区PM2.5月均模拟浓度空间分布情况.由于使用相同的排放源输入，CMAQ系列模式的PM2.5浓度分布大体类似，但高浓度区的强度和范围有所不同.其中，CMAQ5AE5模式和CMAQ5AE6模式在空间上几乎没有差异.而CAMx模式则表现出与CMAQ系列模式较为明显的差异.CAMx模式在珠三角地区的外围地区的PM2.5模拟浓度均低于CMAQ系列模式，珠三角中部地区PM2.5模拟浓度则与CMAQ系列模式模拟结果相当，而在PM2.5浓度高值地区则高于CMAQ系列模式.这可能与CAMx模式边界条件PM2.5浓度较低，而颗粒物前体物反应活性较高相关.

图 4 不同模式2013年12月PM2.5模拟月均浓度空间分布图 Fig. 4 Spatial distribution of monthly average PM2.5 concentrations over the Pearl River Delta region during December 2013
3.1.3 统计分析对比

时间序列对比和空间分布对比只能定性评估模式模拟效果，而统计分析可定量评估模式模拟效果.本文采用平均分数偏差(MFB)、平均分数误差(MFE)和相关系数(r)作为统计指标，各空气质量模式的PM2.5小时浓度模拟效果统计分析见表 2.Boylan and Russell(Boylan and Russell, 2006)建议将MFB和MFE作为颗粒物模拟效果的衡量指标，当MFB介于±60%而且MFE小于75%时，则说明模式表现良好，模拟结果具有较高的可信度.由表 2可见，对于市区监测站和郊区监测站，各模式在PM2.5的模拟上均表现良好，说明本文建立的模式系统可以成功应用于珠三角地区的细颗粒物污染模拟研究.

表 2 不同模式不同区域PM2.5模拟浓度与观测浓度的统计分析 Table 2 Statistical analysis of hourly PM2.5 concentration forecast performance in different regions

从相关系数(r)来看，CAMx模式在市区和郊区的模拟效果均优于其他模式，这表明CAMx模式重现PM2.5小时浓度变化趋势的能力强于其他模式.对比同一模式在市区和郊区的表现可以看到，CAMx模式在郊区的r值高于市区，而其他CMAQ模式则相反，其在市区的r值高于郊区.从平均分数偏差(MFB)和平均分数误差(MFE)来看，在市区表现较好的模式是CAMx模式，而在郊区则是CMAQ4模式.CAMx模式在郊区对PM2.5的低估程度相比市区更大，CMAQ系列模式则相反.综合3个指标可以看出，在市区CAMx模式所有统计参数均表现最优，而在郊区则不存在所有统计参数均表现最优的模式.对比CMAQ系列模式，各模式在郊区和市区的表现相似，CMAQ4模式3个统计参数均优于CMAQ5系列模式，CMAQ5AE6模式在反映PM2.5的浓度水平的能力上强于CMAQ5AE5模式，但在重现PM2.5小时浓度变化趋势的能力上却劣于CMAQ5AE5模式.

3.1.4 超标时段与非超标时段模拟效果对比

将PM2.5观测日均浓度超过国家二级标准(75 μg·m-3)的日子标记为超标时段，其余日子为非超标时段，并统计分析超标时段与非超标时段各空气质量模式的PM2.5小时浓度模拟效果，见表 3.所有模式在超标时段和非超标时段时段的MFB值均介于±60%且MFE值小于75%，表明各模式在超标时段和非超标时段均表现良好.对比同一模式超标时段和非超标时段的表现可以发现，在超标时段各模式表现均明显恶化，其中恶化程度最大的是CAMx模式.在非超标时段，CAMx模式表现优秀，MFB、MFE和r 3个指标均是所有模式中最优的，表明其在重现PM2.5的浓度水平和变化趋势的性能上优于CMAQ系列模式.而在超标时段，CAMx模式相对较好的反映了PM2.5的变化趋势却较大程度的低估了PM2.5的浓度水平，而CMAQ系列模式则相对较好地反映了PM2.5的浓度水平.对比CMAQ系列模式，各模式在超标时段和非超标时段的表现相似，CMAQ4模式3个统计参数均优于CMAQ5系列模式，而CMAQ5AE6模式在反映PM2.5的浓度水平的能力上强于CMAQ5AE5模式，但在重现PM2.5小时浓度变化趋势的能力上却劣于CMAQ5AE5模式.

表 3 不同模式不同时段PM2.5模拟浓度与观测浓度的统计分析 Table 3 Statistical analysis of hourly PM2.5 concentration forecast performance at different stages
3.2 不同模式PM2.5模拟差异来源分析 3.2.1 边界条件差异分析

以总体时段CMAQ5AE5模式边界条件中PM2.5浓度为基准，将各模式总体时段、超标时段和非超标时段边界条件PM2.5浓度标准化处理(见表 4).从表 4可以看出，各模式边界条件的PM2.5浓度差异较大，且在超标时段有所上升.结合各模式在超标时段和非超标时段的表现可以发现，超标时段各模式MFB值序列与超标时段各模式边界条件浓度水平序列一致，均为CMAQ4>CMAQ5AE6>CMAQ5AE5>CAMx，而在非超标时段这种关系并不明显，这直接表明边界条件是各模式PM2.5模拟差异的主要来源之一，同时也表明，在超标时段边界条件对PM2.5模拟效果的影响大于非超标时段.这是因为珠三角地区地形以平原为主，地势平坦，冬季盛行东北风，本身就容易受到外来传输的影响，而在超标时段，外来传输的PM2.5污染浓度与非超标阶段相比更高，在这种情况下，珠三角地区PM2.5污染浓度对边界条件的敏感性也较高.由于模式在外层模拟时均采用相同的排放源数据，因此不同模式产生的边界条件的差异可能与不同模式的物理和化学过程差异相关.

表 4 不同模式不同时段边界条件PM2.5浓度对比 Table 4 Monthly concentration of PM2.5 in the boundary condition of different models at different stages

总体上，CAMx模式边界条件PM2.5浓度低于CMAQ系列模式，较CMAQ5AE5模式边界条件PM2.5浓度低14%.这可能是形成CAMx模式模拟区域东北部相对CMAQ系列模式低值区的直接原因，也是造成CAMx模式在郊区整体模拟偏低的重要原因之一.此外，该差值在超标时段有所扩大，约为22%，而在非超标时段则几乎不存在，约为1%.结合CAMx模式在超标时段与非超标时段的表现差异可以推测，超标时段下CAMx模式边界条件PM2.5浓度的低估是造成超标时段下CAMx模式较大程度低估区域内PM2.5浓度的主要原因.

基于上述分析可以看出，降低边界层不确定性，包括开展全国排放源清单研究和优化边界条件生成方式等，有助于各模式PM2.5模拟效果(尤其是超标时段)的改善.

3.2.2 组分差异分析

PM2.5被定义为空气动力学当量直径小于或等于2.5 μm的颗粒物，空气质量模式中主要将其分为硫酸盐(PSO4)、硝酸盐(PNO3)、铵盐(PNH4)、有机颗粒(OM)、炭黑(BC)等组分.各模式PM2.5模拟差异的实质是各组分模拟差异的集合，而且不同的组分来自模式不同化学模块，因此，分析模式PM2.5组分的差异，有助于识别不同模式PM2.5模拟差异的来源.

以CAMQ5AE5模式作为基准，统计分析其他模式各站点PM2.5及其主要组分小时模拟浓度的相关系数(r)、标准化平均相对偏差(NMFB)和标准化平均相对误差(NMFE)，见表 5.同时，以CMAQ5AE5模式作为基准，将各模式总体时段边界条件PM2.5及其主要组分浓度标准化处理(见表 6).

表 5 不同模式PM2.5及其主要组分模拟结果的统计分析 Table 5 Statistical analysis of hourly concentration of PM2.5 and PM2.5 chemical components among different models

表 6 不同模式边界条件PM2.5主要组分浓度对比 Table 6 Monthly concentration of PM2.5 and PM2.5 chemical components in the boundary condition of different models

对比CAMx模式和CMAQ5AE5模式可以看出，两个模式的PM2.5模拟浓度水平较为相近，但其PM2.5组分模拟浓度水平和变化趋势则差异明显，而这也导致了两个模式间PM2.5浓度变化趋势的差异.其中，硫酸盐、硝酸盐、有机颗粒差异较大，而铵盐与炭黑则相对差异较小.CAMx模式硫酸盐产生量远高于CMAQ5AE5模式，其原因主要有二：第一，CAMx模式边界条件硫酸盐浓度较高(见表 6)；第二，CAMx模式模拟的O3浓度较高(见图 5)，大气氧化性较强，因而，更多的硫酸盐前体物(SO2)被氧化并转化为硫酸盐.Yang Zhang等对比评估CAMx模式和CMAQ模式在美国的东南部的模拟效果时发现CAMx模式硝酸盐产生量比CMAQ模式高(Zhang et al., 2004)，而本文研究结果则正好相反，这一方面与CAMx模式边界条件的硝酸盐浓度较低有关，而另一方面则可能与珠三角大部分地区属于贫氨地区(Qin et al., 2015)而且不同模式PSO4浓度有所差异相关，CAMx模式中有限的NH3被更多的硫酸根消耗而生成了更多的硫酸铵，导致较少硝酸与NH3反应生成硝酸盐.同时，这表明了空气质量模式应用于不同地区时可能因排放源特征、地形和气候条件差异而导致模拟效果差异明显，体现了本地模式评估的重要性.至于CAMx模式有机颗粒产量远低于CMAQ5AE5模式的现象，除了边界条件差异是一方面原因外，CAMx模式二次有气溶胶(SOA)在有机气溶胶模块中产生量偏低也是主要原因之一.最新版本的CAMx模式(6.2版)增加了多个SOA前体物和反应路径，因此CAMx模式SOA低估的现象可能有所改善.而在OM上较大的差异也意味着CAMx模式和CMAQ模式在有机气溶胶模块上仍有较大的研究和改进空间.

图 5 不同模式2013年12月O3模拟月均浓度空间分布图 Fig. 5 Spatial distribution of monthly average O3 concentrations over the Pearl River Delta region during December 2013

对比CMAQ系列模式可以看出，各个模式PM2.5模拟浓度水平和变化趋势大致相近，只在某些组分上略有差异.其中，对CMAQ模式从4.71版本到5.02版本升级敏感的组分包括硫酸盐、硝酸盐和铵盐等无机组分，其原因主要是两方面的：第一，CMAQv5.02版本调整了光解率导致模拟时段O3浓度下降(见图 5)，因而导致硫酸盐和硝酸盐模拟浓度下降；第二，CMAQv5.02版本对无机气溶胶模块(ISOROPIA-II)i模态粒子进行了质量平衡修正，致使硝酸盐产生量略有下降.而对AERO6和AERO5机制差异敏感的组分只有硝酸盐和铵盐，硝酸盐的差异表现在浓度水平和变化趋势上，而铵盐的差异则主要表现在浓度水平上.AERO6机制为大气化学反应提供了更多的阳离子，这些阳离子与铵根离子之间存在一定的竞争关系，因而AERO6机制下的铵盐浓度略有下降.此外，AEOR6机制将钙盐、钾盐和镁盐加入到无机化学模块参与无机盐的热力学平衡分配，因而导致了硝酸盐在浓度水平和变化趋势上均与AERO5机制下的硝酸盐存在差异.仅结合12月份模式对比评估结果，可以发现，CMAQ模式从4.71版本到5.02版本的升级对珠三角地区冬季模拟时段细颗粒物污染的模拟效果改善并不显著，这可能与美国环保署大多采用美国本地大气化学研究成果作为改进基础相关，也可能是模式精度不断提高与排放源清单、气象等基础数据的精度相对滞后之间的矛盾导致的，这表明珠三角地区亟需开展大气化学研究为珠三角地区模式本地化改进提供基础，亟需开展更深入的排放源清单、气象模拟研究以满足模式对基础数据日益增长的精度要求.而AERO5和AERO6的评估结果则表明细化PM2.5组分对珠三角地区细颗粒物污染的模拟效果有一定程度的改善作用，开展珠三角地区排放源成分谱研究有助于改善珠三角地区细颗粒物模拟效果.

4 结论(Conclusions)

本文运用CAMxv5.4、CMAQv4.7.1 、CMAQv5.0.2(AEOR5)和CMAQv5.02(AEOR6)模拟了2013年12月珠三角地区空气质量，并对比评估了并对比评估不同模式、不同版本、不同气溶胶机制在PM2.5模拟上的表现，通过对比不同模式的边界条件差异以及不同模式细颗粒物组分的差异，定性识别两个模式细颗粒物模拟差异来源，主要结论如下：

1) 各模式在PM2.5的模拟上均表现良好，呈现出合理且相似的时空特征.在市区或非超标时段，CAMx模式表现最优，而在郊区或超标时段则不存在最优模式.CMAQ系列模式中，CMAQ4模式表现均优于CMAQ5系列模式，而CMAQ5AE6模式在反映PM2.5的浓度水平的能力上强于CMAQ5AE5模式，但在重现PM2.5小时浓度变化趋势的能力上却劣于CMAQ5AE5模式.

2) 边界条件是各模式PM2.5模拟差异的主要来源之一，而且在超标时段边界条件对PM2.5模拟效果的影响大于非超标时段.CAMx模式边界条件PM2.5浓度较低是导致CAMx模式与CMAQ系列模式在郊区和超标时段差异的主要原因.降低边界层不确定性，包括开展全国排放源清单研究和优化边界条件生成方式等，可能有助于各模式PM2.5模拟效果(尤其是超标时段)的改善.

3) CAMx模式与CMAQ5AE5模式之间硫酸盐、硝酸盐和有机颗粒的差异导致了其PM2.5模拟表现上差异，加强有机气溶胶模块研究可能是改进CAMx模式和CMAQ模式气溶胶模拟效果的主要方向.

4) CMAQ4模式与CMAQ5AE5模式之间硫酸盐、硝酸盐和铵盐等无机盐组分的差异是导致其PM2.5模拟差异的主要原因，开展本地大气化学研究为珠三角地区模式本地化改进提供基础，以及开展更深入的排放源清单、气象模拟研究以满足模式对基础数据日益增长的精度要求是改善珠三角地区细颗粒物模拟效果的可能途径.

5) 硝酸盐和铵盐的差异是CMAQ5AE5模式与CMAQ5AE6模式之间PM2.5模拟差异的主要因素，开展珠三角地区排放源成分谱研究可能有助于改善珠三角地区细颗粒物模拟效果.

参考文献
[${referVo.labelOrder}] Appel K W, Chemel C, Roselle S J, et al. 2012. Examination of the Community Multiscale Air Quality (CMAQ) model performance over the North American and European domains[J]. Atmospheric Environment , 53 : 142–155. DOI:10.1016/j.atmosenv.2011.11.016
[${referVo.labelOrder}] Boylan J W, Russell A G. 2006. PM and light extinction model performance metrics, goals, and criteria for three-dimensional air quality models[J]. Atmospheric Environment , 40 (26) : 4946–4959. DOI:10.1016/j.atmosenv.2005.09.087
[${referVo.labelOrder}] Byun D, Schere K L. 2006. Review of the governing equations, computational algorithms, and other components of the models-3 Community Multiscale Air Quality (CMAQ) modeling system[J]. Applied Mechanics Reviews , 59 (2) : 51–77. DOI:10.1115/1.2128636
[${referVo.labelOrder}] Byun D W, Kim S T, Kim S B. 2007. Evaluation of air quality models for the simulation of a high ozone episode in the Houston metropolitan area[J]. Atmospheric Environment , 41 (4) : 837–853. DOI:10.1016/j.atmosenv.2006.08.038
[${referVo.labelOrder}] Carmichael G R, Calori G, Hayami H, et al. 2002. The MICS-Asia study: model intercomparison of long-range transport and sulfur deposition in East Asia[J]. Atmospheric Environment , 36 (2) : 175–199. DOI:10.1016/S1352-2310(01)00448-4
[${referVo.labelOrder}] Carmichael G R, Sakurai T, Streets D, et al. 2008. MICS-Asia Ⅱ: The model intercomparison study for Asia Phase Ⅱ methodology and overview of findings[J]. Atmospheric Environment , 42 (15) : 3468–3490. DOI:10.1016/j.atmosenv.2007.04.007
[${referVo.labelOrder}] Carmichael G R, Ueda H. 2008. MICS-Asia Ⅱ: The model intercomparison study for Asia phase Ⅱ[J]. Atmospheric Environment , 42 (15) : 3465–3467. DOI:10.1016/j.atmosenv.2007.10.003
[${referVo.labelOrder}] 陈焕盛, 王自发, 吴其重, 等.2013. 空气质量多模式系统在广州应用及对PM10预报效果评估[J]. 气候与环境研究 , 2013, 18 (4) : 427–435.
[${referVo.labelOrder}] ENVIRON. 2011. User's guide. Comprehensive Air Quality Model with Extensions Version 5.40[M]. Novato, CA: ENVIRON International Corporation .
[${referVo.labelOrder}] FRCGC. 2007. Regional Emission inventory in Asia. Version 1.11[EB/OL]. [2007-09-25]. http://www.jamstec.go.jp/frsgc/research/d4/emission.htm
[${referVo.labelOrder}] Fu J S, Jang C J, Streets D G, et al. 2008. MICS-Asia Ⅱ: Modeling gaseous pollutants and evaluating an advanced modeling system over East Asia[J]. Atmospheric Environment , 42 (15) : 3571–3583. DOI:10.1016/j.atmosenv.2007.07.058
[${referVo.labelOrder}] Han Z, Sakurai T, Ueda H, et al. 2008. MICS-Asia Ⅱ: Model intercomparison and evaluation of ozone and relevant species[J]. Atmospheric Environment , 42 (15) : 3491–3509. DOI:10.1016/j.atmosenv.2007.07.031
[${referVo.labelOrder}] 郝吉明, 程真, 王书肖.2012. 我国大气环境污染现状及防治措施研究[J]. 环境保护 , 2012 (9) : 16–20.
[${referVo.labelOrder}] Hayami H, Sakurai T, Han Z, et al. 2008. MICS-Asia Ⅱ: Model intercomparison and evaluation of particulate sulfate, nitrate and ammonium[J]. Atmospheric Environment , 42 (15) : 3510–3527. DOI:10.1016/j.atmosenv.2007.08.057
[${referVo.labelOrder}] Holloway T, Sakurai T, Han Z W, et al. 2008. MICS-Asia Ⅱ: Impact of global emissions on regional air quality in Asia[J]. Atmospheric Environment , 42 (15) : 3543–3561. DOI:10.1016/j.atmosenv.2007.10.022
[${referVo.labelOrder}] Huang Z J, Wang S S, Zheng J Y, et al. 2015. Modeling inorganic nitrogen deposition in Guangdong province, China[J]. Atmospheric Environment , 109 : 147–160. DOI:10.1016/j.atmosenv.2015.03.014
[${referVo.labelOrder}] Kannari A, Streets D G, Tonooka Y, et al. 2008. MICS-Asia Ⅱ: An inter-comparison study of emission inventories for the Japan region[J]. Atmospheric Environment , 42 (15) : 3584–3591. DOI:10.1016/j.atmosenv.2007.06.002
[${referVo.labelOrder}] 李莉, 陈长虹, 黄成, 等.2008. 长江三角洲地区大气O3和PM10的区域污染特征模拟[J]. 环境科学 , 2008, 29 (1) : 237–245.
[${referVo.labelOrder}] 李泽琨. 2015.珠江三角洲地区臭氧及其前体物非线性响应特征及控制对策研究[D].广州:华南理工大学
[${referVo.labelOrder}] MEIC. 2012. Multi-resolution Emission Inventory for China[EB/OL]. http://www.meicmodel.org/
[${referVo.labelOrder}] Qin M M, Wang X S, Hu Y T, et al. 2015. Formation of particulate sulfate and nitrate over the Pearl River Delta in the fall: Diagnostic analysis using the Community Multiscale Air Quality model[J]. Atmospheric Environment , 112 : 81–89. DOI:10.1016/j.atmosenv.2015.04.027
[${referVo.labelOrder}] Sartelet K N, Hayami H, Sportisse B. 2008. MICS Asia Phase Ⅱ-Sensitivity to the aerosol module[J]. Atmospheric Environment , 42 (15) : 3562–3570. DOI:10.1016/j.atmosenv.2007.03.005
[${referVo.labelOrder}] 沈劲, 王雪松, 李金凤, 等.2011. Models-3/CMAQ和CAMx对珠江三角洲臭氧污染模拟的比较分析[J]. 中国科学:化学 , 2011, 41 (11) : 1750–1762.
[${referVo.labelOrder}] Tesche T W, Morris R, Tonnesen G, et al. 2006. CMAQ/CAMx annual 2002 performance evaluation over the eastern US[J]. Atmospheric Environment , 40 (26) : 4906–4919. DOI:10.1016/j.atmosenv.2005.08.046
[${referVo.labelOrder}] Vautard R, Builtjes P H J, Thunis P, et al. 2007. Evaluation and intercomparison of Ozone and PM10 simulations by several chemistry transport models over four European cities within the City Delta project[J]. Atmospheric Environment , 41 (1) : 173–188. DOI:10.1016/j.atmosenv.2006.07.039
[${referVo.labelOrder}] 王淑兰, 张远航, 钟流举, 等.2005. 珠江三角洲城市间空气污染的相互影响[J]. 中国环境科学 , 2005, 25 (2) : 133–137.
[${referVo.labelOrder}] Wang S S, Zheng J Y, Fu F, et al. 2011. Development of an emission processing system for the Pearl River Delta Regional air quality modeling using the SMOKE model: Methodology and evaluation[J]. Atmospheric Environment , 45 (29) : 5079–5089. DOI:10.1016/j.atmosenv.2011.06.037
[${referVo.labelOrder}] 王水胜. 2012.基于数值模拟的珠江三角洲及周边城市氮沉降特征研究[D].广州:华南理工大学. 96 http://cdmd.cnki.com.cn/article/cdmd-10561-1012449691.htm
[${referVo.labelOrder}] 王跃思, 张军科, 王莉莉, 等.2014. 京津冀区域大气霾污染研究意义、现状及展望[J]. 地球科学进展 , 2014, 29 (3) : 388–396.
[${referVo.labelOrder}] Wang Z F, Xie F Y, Sakurai T, et al. 2008. MICS-Asia Ⅱ: Model inter-comparison and evaluation of acid deposition[J]. Atmospheric Environment , 42 (15) : 3528–3542. DOI:10.1016/j.atmosenv.2007.12.071
[${referVo.labelOrder}] 王自发, 李丽娜, 吴其重, 等.2008. 区域输送对北京夏季臭氧浓度影响的数值模拟研究[J]. 自然杂志 , 2008, 30 (4) : 194–198.
[${referVo.labelOrder}] Wu Q Z, Wang Z F, Chen H S, et al. 2012. An evaluation of air quality modeling over the Pearl River Delta during November 2006[J]. Meteorology and Atmospheric Physics , 116 (3/4) : 113–132.
[${referVo.labelOrder}] 尹沙沙. 2015.大气细颗粒物形成过程中氨排放影响的模拟研究[D].广州:华南理工大学
[${referVo.labelOrder}] Zhang Y, Pun B, Wu S Y, et al. 2004. Application and evaluation of two air quality models for particulate matter for a southeastern U[J]. S. episode[J]. Journal of the Air & Waste Management Association , 54 (12) : 1478–1493.
[${referVo.labelOrder}] Zhang Y, Olsen K M, Wang K. 2013. Fine scale modeling of agricultural air quality over the Southeastern United States using two air quality models[J]. Part I. Application and evaluation[J]. Aerosol and Air Quality Research , 13 (4) : 1231–1252.
[${referVo.labelOrder}] 赵秀勇, 程水源, 陈东升, 等.2007. 应用ARPS-CMAQ模拟研究石景山污染对北京的影响[J]. 环境科学学报 , 2007, 27 (12) : 2074–2079.
不同模式对珠三角地区细颗粒物污染模拟效果对比评估
黄晓波, 殷晓鸿, 黄志炯, 夏泽群, 李泽琨, 朱文波, 郑君瑜